应用人工智能引导人体模型图集与病例CT图像配准的方法技术

应用人工智能引导人体模型图集与病例CT图像配准的方法，涉及医学图像配准和分割领域，包括以下步骤：S1：建立能够参数化表达CT数据多样性的参数系统；S2：制作具有代表性的人体全身模型图集数据集合M{M0、M1…Mn}；S3：自适应地在人体全身模型图集数据集合M{M0、M1…Mn}中找到与病例CT最匹配的模型数据作为候选配准模型数据Mj；S4：引导候选配准模型数据Mj的位置信息更新，得到初始化配准模型数据Mj2；S5：将初始化配准模型数据Mj2配准到病例CT。通过建立参数系统并由人工智能引导选择模型和配准初始化的方式进行配准，避免模型形态无法满足真实数据多样性的问题，给出和真实病例数据更接近的模型，获得更好的配准初始化状态以提高配准和分割的精度。

【技术实现步骤摘要】
应用人工智能引导人体模型图集与病例CT图像配准的方法
本专利技术涉及医学图像配准和分割领域，特别是应用人工智能引导人体模型图集与病例CT图像配准的方法。
技术介绍
医学图像配准指的是对一幅医学图像数据寻求一种或一系列空间变换，使其与另一幅目标数据的感兴趣区域在空间上达到一致的过程，随着医学成像设备的不断发展，要利用越来越丰富的医学数据进行综合分析需要对数据进行器官或感兴趣区域的配准和分割。对于人体医学数据来说，一方面存在大量的组织或器官相互之间边界模糊、梯度复杂难以进行直接分割的情况，另一方面人体内器官或组织的大小、形态以及器官之间的对应结构相对稳定。利用人体结构和组织相对关系的先验知识进行分割可以作为改善器官边界不清晰、梯度复杂情况的有效方法。对于人体组织和器官，常使用基于Atlas模型集合进行分割的方法来利用人体结构的先验知识进行器官分割任务。Atlas模型集合由人工对多个数据中指定的器官或组织进行标注来建立目标模型，分割过程中模型的选取通常有两类方式：通过依次配准多个模型到病例CT的结果来选取最接近目标的模型或者使用模型集合进行聚本文档来自技高网...

【技术保护点】
1.应用人工智能引导人体模型图集与病例CT图像配准的方法，其特征在于，包括以下步骤：/nS1：收集不同年龄段和不同地区的人群医学数据统计信息，建立能够参数化表达CT数据多样性的参数系统；/nS2：根据所述参数系统中各个参数在实际数据上相应的关联性、相互限制性和人群代表性制作一组具有代表性的人体全身模型图集数据集合M{M0、M1…Mn}；/nS3：通过人工智能对病例CT进行分析，按照所述参数系统中的参数种类分别计算出病例CT的对应的参数值，并根据算出的参数值，自适应地在所述人体全身模型图集数据集合M{M0、M1…Mn}中找到与病例CT最匹配的模型数据作为候选配准模型数据Mj；/nS4：通过人工智...

【技术特征摘要】
1.应用人工智能引导人体模型图集与病例CT图像配准的方法，其特征在于，包括以下步骤：
S1：收集不同年龄段和不同地区的人群医学数据统计信息，建立能够参数化表达CT数据多样性的参数系统；
S2：根据所述参数系统中各个参数在实际数据上相应的关联性、相互限制性和人群代表性制作一组具有代表性的人体全身模型图集数据集合M{M0、M1…Mn}；
S3：通过人工智能对病例CT进行分析，按照所述参数系统中的参数种类分别计算出病例CT的对应的参数值，并根据算出的参数值，自适应地在所述人体全身模型图集数据集合M{M0、M1…Mn}中找到与病例CT最匹配的模型数据作为候选配准模型数据Mj；
S4：通过人工智能对病例CT进行分析，计算出病例CT中所包含的器官、CT成像范围大小和器官对应的位置信息，基于候选配准模型数据Mj和病例CT中器官对齐，引导候选配准模型数据Mj的位置信息更新，得到初始化配准模型数据Mj2；
S5：应用非刚性配准，将所述初始化配准模型数据Mj2配准到病例CT，完成人体模型与病例CT之间的图像配准和器官分割。


2.根据权利要求1所述的应用人工智能引导人体模型图集与病例CT图像配准的方法，其特征在于，所述步骤S1中，所述参数系统中包括解剖结构参数、数据成像姿态参数和数据特异信息参数。


3.根据权利要求2所述的应用人工智能引导人体模型图集与病例CT图像配准的方法，其特征在于，所述步骤S2中，所述人体全身模型图集数据集合M{M0、M1…Mn}中的每一项Mk(k＝1，2，…，n)分别代表一组模型数据，其中，每一项Mk(k＝1，2，…，n)包含两幅三维模型图像，两幅三维模型图像中的所述解剖结构参数、所述数据成像姿态参数和所述数据特异信息参数分别对应相同，其中，一副三维模型图像的像素值为CT值，另一幅三维模型图像的像素值为器官标签索引。


4.根据权利要求3的应用人工...

【专利技术属性】
技术研发人员：刘豆豆，陈思，杨雪松，邓晓，
申请(专利权)人：佛山读图科技有限公司，
类型：发明
国别省市：广东;44